1。2研究现状

1。3本论文的结构安排

首先,介绍了外部冲击和我国经济发展的一些背景和现状,研究意义以及国

内外学者对论文选题的研究历史和现状；其次,介绍关于VAR模型和BVAR模型的模型理论；然后,搜集各个外部经济指标和国内经济指标2008~2015年的月度数据建立BVAR模型并进行实证分析；最后,对实证结果进行分析,分析外部冲击对我国经济波动产生的具体影响并对我国经济发展提出合理建议。论文网

2。 BVAR模型理论的介绍

2。1向量自回归（VAR）模型理论

贝叶斯向量自回归模型（Bayesian vector auto-regression,BVAR）是由向量自回归模型（vetor auto-regression,VAR）演变而来。VAR模型是20世纪由Christopher Sims(1998)[9]和litterman(1986)[10] 等学者提出的,代替了传统的联立方程模型,VAR模型是研究多个变量的时间序列计量经济模型,并且是对选取的所有变量都没有区分内生变量和外生变量的模型。Christopher Sims VAR模型是根据数据的统计性质而建立的模型,把模型系统中所有变量的滞后值构造回归模型用来解释系统中的每一个变量,这样就将单变量自回归模型发展到由多个时间序列变量组成的多变量自回归模型,也就是向量自回归模型。VAR模型分析和预测多个相关经济变量是很容易的,并且在一定的条件下,多元移动平均模型和多元自回归移动平均模型也可以转化成VAR模型。VAR模型一般适用于没有约束条件的情况来估计模型中所有变量间的动态关系,所以VAR模型也称为无约束的向量自回归模型。

VAR模型的数学公式如下：

其中,表示位数为的内生变量；表示位数为的内生变量；表示模型中的滞后阶数；表示所选取的样本的个数；维的矩阵和维的矩阵表示的是系数矩阵,这些系数矩阵经过参数估计都可以得到；表示维扰动向量,它们相互之间可以同期相关,但与的滞后项、没有相关性,也不与自身的滞后阶相关,即：     

从VAR模型方程式（1）可以看出总共有个待估参数,即使需要预测的较少的变量也需要很多的观测值,因此,除非数据有足够多,一般情况下,VAR模型都面临自由度较少、预测精度不高的问题。

假设是的协方差矩阵,是一个维的正定矩阵,则式（1）可表示为：

即建立的VAR模型有个时间序列变量,并且由个回归方程组成。

VAR模型一般情况下用于预测和分析相互联系的时间序列系统以及随机扰动对变量系统的动态冲击,进而解释了各种经济冲击对经济变量产生的影响,VAR模型具有很好的计量特性使得在开始提出时就能得到广泛的运用,尤其是在在宏观经济、金融等领域的使用应用相当广泛。但是该模型也存在一些不足之处,主要表现为以下几个方面：

第一,VAR模型并没有严格的遵循经济理论,并且事先对变量没有进行结构

性约束,同时也没关注各个变量之间的同期相关性,因此模型估计准确性就会降低；

第二,滞后期较长时,变量也就越多,因而造成需要估计的参数越多,并且对数据样本长度的要求就越大,如果变量数目和滞后项增加,就会导致模型系数以平方的速度快速增加,从而导致“拟合过度”的问题；

第三,VAR模型虽然是常参数模型,但是经过很多学者的研究分析发现,当经济系统本身发生较大的结构性变动时,模型参数会发生变化,即模型参数是不稳定的；

第四,理性预期因素是很难刻画的,所以,无法避免“卢卡斯批判”；

第五,VAR模型能够处理的经济变量的个数不是很多,不能够完整地反映整个经济系统的真实状态。

针对变量数目和滞后项增加的问题,解决这一问题有以下几种方法：一种方法是利用检验删去一些不是很重要的滞后项,虽然可以解决滞后项增加的问题,但是对模型系数进行了很强的约束,根据经济学和统计学的基础很难进行分析。第二种方法是直接减少变量的数量,或者采用自回归模型进行估计和预测。这些做法虽然能够解决“拟合过度”的问题,但是不能提高样本外预测的精度,而且还有可能导致模型结构与经济理论相互矛盾的问题。还有一种方法就是贝叶斯方法,即建立贝叶斯向量自回归（BVAR）模型。